AI 词汇表

📖

个术语

N-pair Loss

三重损失（triplet loss）的泛化，同时将一个正样本与N个负样本进行比较，提高学习效率和收敛稳定性。特别适用于大规模数据集。

📖

个术语

Angular Loss

优化嵌入向量之间角度而非欧几里得距离的损失函数，提供更好的尺度不变性和类别分离效果。特别适用于人脸识别任务。

📖

个术语

Center Loss

通过强制同一类别的嵌入向量靠近其学习到的类别中心来最小化类内距离的损失函数。通常与其他判别性损失结合使用以提高聚类紧凑性。

📖

个术语

ArcFace Loss

加性角度损失函数，通过在超球面空间添加角度间隔来提高嵌入的判别性。特别适用于类别众多且样本稀少的识别任务。

📖

个术语

SphereFace Loss

乘性角度损失函数，对嵌入施加角度约束以改善类间分离性。旨在在单位超球面上学习判别性嵌入。

📖

个术语

Proxy-NCA Loss

邻域成分分析（Neighborhood Components Analysis）的变体，使用可学习的代理来表示每个类别，相比基于配对的方法降低了计算复杂度。特别适用于大规模数据集。

📖

个术语

Deep Metric Learning

应用深度神经网络从原始数据中学习复杂距离或相似度函数的方法。该方法结合了深度网络的表示能力和度量学习原理。

📖

个术语

Similarity Learning

模型学习评估样本对之间相似性而非直接预测标签的学习范式。该方法是小样本学习和推荐系统的基础。